基于大數據的商業銀行智慧型網點研究

劉文軍

摘 ? 要：商業銀行作為國家的金融重器，在優化配置金融資源、促進國民經濟增長等方面發揮舉足輕重的作用。近年來金融科技的崛起和大數據技術在金融領域的廣泛應用，為商業銀行智能化轉型升級帶來了新機遇。本文圍繞如何利用大數據技術打造商業銀行新一代超級智慧網點進行分析，從構建一個商業銀行網點智慧管理模型出發，利用經濟學最優化理論為網點智慧系統建設奠定理論基礎，并提出了在商業銀行經營管理實踐中的具體建議，以期能實現金融科技賦能商業銀行。

關鍵詞：商業銀行;金融科技;精準營銷;最優化

DOI：10.3969/j.issn.1003-9031.2019.07.008

中圖分類號：F832.1 ? ? ? ? ? ? 文獻標識碼：A ? ? ?文章編號：1003-9031（2019）07-0067-07

一、引言與文獻綜述

隨著大數據時代的來臨，現代商業銀行依托金融科技的發展呈現出體驗至上、場景驅動、數據為王的特征，與傳統金融體制下重網點、重人力、重資本的特點相比正在發生革命性的變化。毋庸置疑，大數據技術正在改變著金融業態，催生出了一波又一波的金融創新。目前數據挖掘技術被金融機構廣泛應用于潛在客戶識別、風險管理、金融資產定價等諸多領域，為商業銀行精準獲客、開展更精準的信用評級、搭建更為先進的貸后管理體系等多個方面提供技術支持。

目前國內學者對我國商業銀行大數據應用的研究多集中于科普性介紹，主要分析大數據技術對我國商業銀行發展帶來的機遇和挑戰，而對于金融科技賦能商業銀行的具體措施和做法大多是框架性的建議。本文著力于探索數據的價值，結合商業銀行的經營管理實踐，把商業銀行以客戶為中心的理念整合在一個精準營銷的數理模型中，利用經濟學最優化理論打造新一代超級智慧網點。

胡朝舉（2017）認為商業銀行本身就是一個大數據庫，商業銀行可以匯集其自身所擁有的分散存儲于各商業銀行網點的小數據庫及其數據資源，在小數據基礎上進行數據集成，構建大數據庫系統。李佳等（2018）提出根據用戶個性化的風險偏好結合算法模型制定個性化的資產配置方案，同時利用互聯網對用戶個性化的資產配置方案進行實時跟蹤調整。韋顏秋等（2018）建議商業銀行以大數據為核心的信息驅動戰略為指引，以“智慧銀行”建設為目標，遵循“數據-信息-商業智能-價值”的轉型路徑，以“實驗-改進”為方法論，輔以風險控制體系。胡志九（2018）歸納了大數據技術在國外商業銀行的主要應用場景，巴克萊銀行和花旗銀行在潛在客戶挖掘領域廣泛采用大數據技術，奧地利銀行和富國銀行將大數據技術應用于信用風險控制領域，匯豐銀行用大數據技術進行綜合管理改進，摩根大通銀行和瑞士銀行利用大數據技術對金融資產定價模型進行優化。蔚趙春（2013）建議商業銀行在數據思維和數據治行理念指引下，建設智慧銀行，創造最佳的客戶體驗。林俊岐（2017）指出商業銀行后臺技術人員在數據分析和挖掘的各個環節都離不開對銀行前臺業務的理解，只有從商業銀行業務知識和實踐出發才能將最終分析成果轉化成實際生產力。巴曙松等（2018）通過實證研究發現網點智能化水平和存款、金融資產的總量及增量均呈顯著正相關。

二、我國商業銀行發展現狀

網點作為商業銀行最重要的分銷渠道和服務平臺，是商業銀行直接面對客戶的窗口，是決定商業銀行智慧化轉型的關鍵環節，是貫徹以客戶為中心經營理念的第一道關口。截至2018年末，我國商業銀行網點數已近23萬個，可以說在全國范圍內商業銀行的網點已經星羅棋布。在六大國有商業銀行中，郵儲銀行網點最多、約40000家，農業銀行23652家，交通銀行最少、3259家（見圖1）。

隨著近幾年我國金融業的快速發展，銀行網點布局漸趨飽和，網點數量增速逐年放緩（見圖2）。加上金融科技的崛起，我國商業銀行網點正在向智能化、輕型化轉型。從我國銀行業金融機構數量來看，股份制銀行和城商行近年來沒有太大變化，農村商業銀行和村鎮銀行有小幅增長，截止2018年底，分別為1427家和1616家（見表1）。

從我國商業銀行經營管理實踐來看，目前我國商業銀行主要采用部門銀行經營管理體制。這種管理體制優點在于有利于針對不同的客戶群體或者金融產品類型實施專業化的管理，有利于金融產品創新及對下級機構精細化的業務督導。隨著現代金融的發展，商業銀行所提供的金融產品種類越來越豐富，專業化程度越來越高，金融產品創新層出不窮。總行各部門負責開發維護本條線的金融產品，并最終借助于網點這一直接面對市場和客戶的銷售渠道來推銷金融產品，導致商業銀行最基層機構成為了各類金融產品的“集散地”。與此同時，各個業務部門為了凸顯本條線金融產品的重要性，紛紛通過培訓督導考核等各種方式對基層網點施加壓力，以提高網點員工對本部門所提供金融產品的營銷重視度。我國商業銀行目前的這種經營管理體制，雖為金融業的快速發展及金融創新做出了一定貢獻，但尚無法解決眾多金融產品必須向同一客戶重復營銷而導致的低效勞動問題。近幾年互聯網金融為如何利用金融科技手段降低商業銀行的人力成本和進一步豐富和完善商業銀行以客戶為中心的經營理念。商業銀行掌握著海量的用戶數據，本身就是一個極其豐富的數據倉庫，而大數據技術可以實現通過對客戶特征和產品特征的分析，將客戶和金融產品進行高效匹配，幫助商業銀行每一個經營網點發揮出自身的客戶資源稟賦優勢。

三、商業銀行網點智慧管理模型理論分析

（一）商業銀行網點智慧管理模型

本部分論證利用數據挖掘技術提升商業銀行網點經營業績的理論基礎。首先構建一個商業銀行網點智慧管理模型，然后根據經濟學最優化理論分析最優經營策略，以期實現網點經營業績的最優化。

假設一個商業銀行網點在有限的總勞動時間F的約束下，主要經營y和g兩類金融產品，模型的目標是解答如何在兩類金融產品間合理分配勞動時間P1和P2，最終實現經營業績U的最大化。模型構建如下：

其中，Y表示金融產品y創造的利潤;G表示金融產品g創造的利潤;P1表示營銷金融產品y的總勞動時間投入;P2表示營銷金融產品g的總勞動時間投入;F表示網點所有員工的總勞動時間。

在模型中，Y和G分別是P1和P2的函數且與P1和P2正相關，即投入的勞動時間越多創造的利潤越高。為簡化起見，假設營銷金融產品y和營銷金融產品g所耗費的單位勞動時間相同，并且金融產品y和金融產品g在網點綜合經營業績考核中所占的權重相同。第一步，利用大數據技術，從營銷成功率預判角度，識別網點所有客戶的優劣等級。通過將金融產品y和金融產品g目標客群進行分檔，按照預期營銷成功率S從高到低的順序依次分成若干檔次（見表2）。第二步，網點組織員工按照A檔、B檔、C檔等順序依次往下營銷，當營銷金融產品y的總勞動時間投入P1加上營銷金融產品g的總勞動時間投入P2等于網點所有員工可付出的總勞動時間F，且兩項金融產品的營銷成功率相同時，即實現了網點經營業績U的最大化。即最優經營策略為：P1+P2=F且S1=S2。

為什么該臨界點為網點最優勞動時間分配點？假設某網點在所有員工均已付出了最大勞動強度時，金融產品y的營銷成功率S1大于金融產品g的營銷成功率S2，如S1=25%而S2=15%，此時理論上網點就應當組織員工將勞動時間從金融產品g轉移一部分到金融產品y上來提升綜合經營業績U，即減少P2增加P1。這將意味著網點員工原先僅營銷金融產品y的A檔和B檔客群，現在需要投入精力繼續營銷C檔客群，預期營銷成功率為20%。而原先營銷了金融產品g的A、B、C、D四檔客群，現在應當減少勞動時間投入，僅需營銷A、B、C前三檔客群即可（見表3）。

通過策略調整，放棄金融產品g只有15%成功率的客群，轉移勞動時間去營銷金融產品y成功率20%的客群，網點綜合經營業績U提升5%，反之亦然。綜上所述，只有當營銷金融產品y的總勞動時間投入P1加上營銷金融產品g的總勞動時間投入P2等于網點所有員工可付出的總勞動時間F，且兩項金融產品的營銷成功率相同時，網點綜合經營業績U才能實現最大化。

（二）數據倉庫實證檢驗

表4是某國有商業銀行數據倉庫實驗室的實證檢驗結果。本實驗選取了一項具有代表性的金融產品——信用卡條線分期業務，通過將參與實驗人員分成營銷組和對照組兩組來比對大數據應用營銷效果。

在第一期實驗中，將經過大數據篩選后的客群交由營銷組進行電話外呼，將未經過大數據篩選的隨機客群交由對照組進行電話外呼。實驗結果表明：經過大數據篩選后的客群電話外呼營銷成功率分別提升了3.58倍和5倍，營銷精準度得到明顯提升。通過運用大數據技術，可以將優質客群篩選出來。在第二期實驗中，通過增加模型參數“瀏覽上述界面的總次數≥3次或總時長≥3分鐘”，進一步增加了模型篩選的精準度，營銷組的電話外呼營銷成功率分別提升了6.79倍和12.67倍。第二期實驗表明：通過運用大數據技術，可以將所有客群按照優質等級進行分檔。

在實際經營管理工作中，我們可以將所有目標客群按照行為特征劃分成三個等級。同時具備四個行為特征的歸類為A檔優質客群，不具備第二個特征但同時具備其它三個行為特征的歸類為B檔良好客群，除A、B檔以外的都歸類為C檔普通客群（見圖3）。

四、結論與政策建議

（一）結論

基于前述的理論模型，商業銀行可以完全從技術上實現站在用戶視角的金融產品配置策略。如通過大數據分析，某目標客戶同時歸屬兩項金融產品的A檔，那么商業銀行客戶經理就應當向該客戶同時營銷并配置兩種金融產品。如果某目標客戶歸屬一項金融產品的A檔，但在另一項金融產品中歸屬C檔，而C檔不屬于該網點當前的營銷目標，那么客戶經理只需向該客戶營銷并配置一種金融產品即可。這種經營管理模式，徹底改變了以往站在產品視角的地毯式低效營銷模式，真正實現了以客戶為中心的流程再造，節約了網點的人力成本。

隨著機器學習技術的成熟，通過在商業銀行核心系統中嵌入網點信息反饋和自動化控制功能，實現網點管理的智慧化。當核心系統監測到網點員工的勞動時間處于不飽和狀態時，系統通過人機交互的方式對網點當前的運營狀態進行詢問和提醒，直至P1+P2=F。當網點勞動時間已經達到飽和狀態時，核心系統根據監測到的營銷實際成功率對該網點的模型參數進行實時修正調整。如根據網點實際營銷成果信息反饋，核心系統判定該網點員工對于金融產品y的營銷非常擅長，明顯優于平均水平，那么核心系統將立即修正該網點模型中金融產品y的參數，根據調整后的參數重新對目標客群的營銷業績作出預判及分檔，并把新的目標客戶數據推送給網點員工，確保網點綜合經營業績最大化。

（二）超級智慧網點實施建議

隨著大數據技術的應用，在商業銀行的日常經營管理中低效、產品與客戶匹配問題將迎刃而解。一是網點的員工數量是固定的，每名員工一周的工作時間是有限的，這也就意味著一個網點所能擁有的總勞動時間是有限的。在有限的總勞動時間約束下，通過數據挖掘技術和科學合理的勞動時間分配策略，網點可以結合自身的資源稟賦優勢和營銷專業技能水平，個性化地把眾多金融產品進行統一規劃，實施智慧化的管理。二是避免了把不同的金融產品向同一客戶毫無策略地羅列式營銷，通過大數據技術的應用，實現了根據客戶的個性化需求精準地開展金融產品組合營銷和配置。三是就商業銀行目前的部門管理體制而言，超級智慧網點用流程管理代替了人情管理，真正站在客戶視角實現了以客戶為中心的經營理念。在智慧網點具體實施過程中，需要注意以下幾點。

一是利用大數據技術進行客戶分層，對每個部門金融產品對應的目標客群進行預期營銷成功率細分。從理論上來說，客戶分檔越精細，網點越能科學地向員工分配營銷任務。對于客群預期營銷成功率的判斷是否準確，是該模型能否很好指導網點實踐工作以及提升網點綜合經營業績的基礎。數據的采集必須作為一項長期堅持的工作，數據庫資源越豐富越有利于大數據工作的開展。因此，商業銀行核心系統在提供給營銷人員開展實際營銷工作后，必須將成果及時反饋給數據庫，與統計模型預判的成功率進行比對和分析，在機器學習的技術支持下不斷修正統計計量模型的參數。

二是商業銀行經營部門對于需要全行給予重點關注的戰略性指標，可通過增加該指標在網點智慧管理模型中的考核權重，實現加大網點營銷力度的目的。如為確保移動優先發展戰略的貫徹，要求網點為網絡金融部門的金融產品付出更多的勞動時間，則可以將網絡金融產品的考核權重提升，假設提高為其它金融產品的2倍，即U=Y+2*G，模型調整后新的最佳經營策略將是：P1+P2=F且S1=2*S2。如果臨界點上S1為30%，則S2需降至15%，即網點應當組織員工對非重點金融產品從最優質客群開始營銷到預期成功率為30%的客群即可，更多的勞動時間用于把網絡金融產品從最優質客群開始一直營銷到預期成功率為15%的客群，這成倍多付出的勞動時間就是網點對移動優先發展戰略大力支持的回應。

三是為每一位目標客戶建立金融產品配置檔案。大數據技術終結了數據抽樣時代，無論是對VIP客戶還是長尾客戶，都可能對其進行個性化分析和金融產品配置。如某客戶經過大數據分析，既隸屬信用卡產品的A檔客群，又隸屬網絡金融產品的A檔客群，那么商業銀行核心系統應當為該客戶建立金融產品配置檔案。當該客戶來網點辦理業務時，核心系統立即提示網點員工給予該客戶相應金融產品的宣傳介紹，通過一攬子金融服務方案推介，提高營銷工作效率和客戶體驗度。

（責任編輯：孟潔）

參考文獻：

[1]王麗焱.FinTech時代大數據在商業銀行全面風險管理中的應用探索[J].銀行家，2018（9）：130-133.

[2]胡朝舉.大數據領銜——商業銀行的經營與營銷策略轉變[J].重慶郵電大學學報，2017（5）：95-101.

[3]李佳.大數據時代——人工智能與商業銀行創新[J].新金融，2018（12）：31-36.

[4]段永興.大數據時代商業銀行的經營管理策略探析[J].商業經濟，2018（2）：159-160.

[5]韋顏秋，黃旭，張煒.大數據時代商業銀行數字化轉型[J].銀行家，2017（2）：128-131.

[6]鄭東盟.大數據時代商業銀行優化經營管理策略研究[J].現代經濟信息，2015（5）：130.

[7]胡志九.大數據在商業銀行中的應用場景[J].銀行家，2018（5）：90-92.

[8]王大鵬.淺析商業銀行大數據應用[J].中國商論，2018（34）：15-16.

[9]金磐石.融合大數據技術架構在大型商業銀行海量數據分析的應用[J].計算機系統應用，2018（10）：46-53.

[10]蔚趙春.商業銀行大數據應用的理論實踐與影響[J].上海金融，2013（9）：28-32.

[11]林俊岐.我國商業銀行的大數據應用探討——從數據分析角度出發[J].上海金融，2017（6）：83-85.

[12]楊憶.新形勢下做好商業銀行大數據工作的方法論[J].銀行家，2017（6）：40-43.

[13]巴曙松.智能化服務模式與銀行網點轉型研究——基于對工行A市分行物理網點智能化試點的案例分析[J].金融電子化，2018（1）：35-39.